在国家人口出生率逐年下降,老龄化日益严重的背景下,AGV可以很好地解决生产过程中劳动力短缺的问题。经过多年的发展,AGV已经成为建筑行业、工业生产、酒店服务等行业中的重要工具。通过对AGV路径规划算法的研究,有助于降低劳动力成本,提升效率,保障生产过程中人员的安全。路径规划算法是AGV提升性能的关键技术,由于现在生产环境逐渐复杂,对于AGV路径规划算法的研究一直是热点问题。本论文主要对RRT系列算法和群智能优化算法进行研究,在前人研究的基础上,对多种路径规划算法进行改进与仿真,主要的工作内容如下:首先,本论文对RRT*算法进行了改进,根据地图分区采样和目标偏置拓展策略,提出了一种高效率的PB-RRT*路径规划算法。根据起始点和目标点将地图分成两个区域,再根据障碍物占地图的比例,设置合适的采样概率参数。在采样的过程中,以设置的采样概率参数尽可能多的向目标点所在的区域进行采样,进而加快搜索速度。其次,尽管PB-RRT*算法提升了AGV路径规划的效率,但是规划的路径轨迹不是最优。因此本论文对群智能算法进行了深入研究,并提出了改进粒子群算法。根据环境中障碍物的密度,将种群分成若干个小种群,增加种群的多样性。然后根据算法要求的精度,设定合适的判断区间,设定最低优化值,引导粒子摆脱较差的种群。然后,为进一步提高粒子群算法寻找全局最优解的能力,本论文引入布谷鸟搜索算法（Cuckoo Search,CS）来进行局部路径规划。增强了粒子群全局搜索的能力,提出了优化了局部路径规划的CS-PSO算法。同时,对粒子群算法进行了自适应改进使其可以在未找到较优解时快速收敛,而在临近收敛时提升搜索能力以成功找到渐进全局最优解。最后,对本论文中提出的PB-RRT*算法与CS-PSO算法进行总结,并展望了AGV路径规划的发展趋势。